روشی جدید برای برچسبزدن داده های دارای توالی بر اساس ترکیب خبرگان

مسیله ی برچسب زنی رشته یکی از مسایلمهم حوزه ی بینایی ماشین است که در آن به عناصر دنبالهای از تصاویر برچسب مناسب نسبت داده می شود. دراینگونه مسایل اغلب میتوان ساختار ورودی- خروجی رابه شکل یک مدل احتمالاتی گرافی در نظر گرفته و از اینطریق وابستگی های میان مشاهدات و برچسب ها راروشنتر نشان داد. میدان تصادفی شرطی یکی ازمهمترین مدل های احتمالاتی است که کاربرد زیادی درمسیله ی برچسب زنی رشته دارد. این مدل افتراقی بوده واز نوع مدل های شرطی به شمار می آید. از طرفی دیگرمدل ترکیب خبرگان با تقسیم بندی فضای ورودی و تمرکزهر شبکه ی خبره بر یادگیری ناحیه ای از فضا می تواندسبب افزایش دقت در مدل ها شود. در این مقاله روشیبرای تلفیق میدان تصادفی شرطی و ترکیب خبرگان ارایهشده است. برای این کار تعدادی خبره از نوع شبکه هایعصبی میان لایه ی ورودی و خروجی در میدان تصادفیشرطی قرار داده شده اند که با توجه به توزیع و ساختارداده ها می توانند ویژگی های سطح بالاتری را از رشته هایمشاهدات بدست آورند. نتایج آزمایش های انجام گرفته برروی تصاویر کلمات انگلیسی که بصورت دنباله ای ازتصاویر حروف تبدیل شده اند نشان داد که مدل ارایه شدهبهبود قابل توجهی نسبت به مدل های رقیب دارد.

کلیدواژه ها:

برچسب زنی رشته ، ترکیب خبرگان ، مدل افتراقی ، میدان تصادفی شرطی